| Autor: |
Christopher Djonny Pereira Prestes, Eduardo Fávero Caires, David Patrick Zampier, Bruno Ricardo Asato, Gislaine Gabardo, Alaine Margarete Guimarães |
| Rok vydání: |
2020 |
| Předmět: |
|
| Zdroj: |
Revista Mundi Engenharia, Tecnologia e Gestão (ISSN: 2525-4782). 5 |
| ISSN: |
2525-4782 |
| DOI: |
10.21575/25254782rmetg2020vol5n31253 |
| Popis: |
O uso de índices de vegetação (VI) em um ambiente adequado pode favorecer a identificação de diferentes tipos de vegetação e a detecção de informações relacionadas a uma cultura, como a estimativa de produtividade. Esta estimativa é especialmente importante quando realizada nos estágios iniciais da cultura permitindo obter informações relevantes que contribuam para aumentar a eficiência em seu desenvolvimento. Considerando a complexidade de cada ambiente e os desafios de determinar o IV mais adequado, este trabalho teve como objetivo avaliar uma nova metodologia para estimar os dados de produtividade da soja. A metodologia proposta baseia-se em imagens obtidas por meio de veículos aéreos não tripulados (VANT) e técnicas de aprendizado de máquina. Foram aplicados algoritmos de regressão nos dados espectrais extraídos de imagens com resolução de 15 cm / pixel obtidas com câmeras RGB e NIR acopladas no VANT. Como resultado, o Índice de Resistência Atmosférica Visível (VARI) baseado em RGB apresentou os melhores valores de correlação entre os cinco IVs avaliados. No entanto, o uso dos canais RGB com seus valores originais sem a realização de combinações entre eles apresentou o melhor resultado em relação a todos os índices avaliados. O fato de todos os testes mostrarem que os valores das bandas RGB apresentam maior correlação com a produtividade da soja apresentam uma importante contribuição, demonstrando que uma câmera de menor custo pode ser usada para fornecer maior eficiência. |
| Databáze: |
OpenAIRE |
| Externí odkaz: |
|
